محققان در مقالهای جدید، رویکردی نوآورانه برای حل چالش «ادغام شواهد» (Evidence Fusion) در مدلهای هوش مصنوعی ارائه کردهاند. این روش که تحت عنوان «اعتبار مشروط بر رویداد» (Event-conditioned credibility) معرفی شده، به سیستمهای هوشمند کمک میکند تا در شرایطی که منابع دادههای ناهمگون یا متناقض هستند، تصمیمگیری دقیقتری داشته باشند.
این مدل با یکپارچهسازی فرآیند محاسبه اعتبار، ادغام شواهد و تصمیمگیری نهایی، به سیستم اجازه میدهد تا اهمیت شواهد «خلاف جهت» (که ممکن است حیاتی باشند) را بهتر درک کند. این پیشرفت میتواند در آینده به افزایش دقت الگوریتمهایی که با دادههای چندمنبعی سر و کار دارند، کمک شایانی کند.
منبع: arXiv AI